矩阵的酉相似(合同变换)
2023年11月7日
#algebra
文章目录
1. 酉矩阵
设
A
∈
C
n
×
n
{A\in \mathbb C^{n \times n}}
A∈Cn×n ,若
A
{A}
A 满足
A
H
A
=
A
A
H
=
I
A^ \mathrm HA=AA^ \mathrm H=I
AHA=AAH=I
则称
A
{A}
A 为酉矩阵()。由定义可得
A
−
1
=
A
H
A^{-1}=A^ \mathrm H
A−1=AH
当
A
∈
R
n
×
n
{A\in \mathbb R^{n \times n}}
A∈Rn×n ,酉矩阵就是单位正交矩阵。
性质 若
A
∈
C
n
×
n
{A\in \mathbb C^{n \times n}}
A∈Cn×n 是酉矩阵,则
- ∣ det A ∣ = 1 {|\det A|=1} ∣detA∣=1
- A T , A H , A − 1 {A^T,A^H,A^{-1}} AT,AH,A−1 仍为酉矩阵
- 若 B {B} B 也是酉矩阵,则 A B {AB} AB 也是酉矩阵
显然,酉矩阵列向量是空间中一组标准正交基,这是酉矩阵的充要条件。
2. 酉相似
设
A
,
B
∈
C
n
×
n
{A,B\in \mathbb C^{n \times n}}
A,B∈Cn×n ,若存在酉矩阵
U
{U}
U 使得
B
=
U
−
1
A
U
=
U
H
A
U
B=U^{-1}AU=U^ \mathrm HAU
B=U−1AU=UHAU
则称
A
{A}
A 与
B
{B}
B 酉相似。
相似变换与逆矩阵有关,相似变换前后的矩阵为相似矩阵。
合同变换与酉矩阵有关,合同变换前后的矩阵为合同矩阵。
3. Schur分解定理
设
∀
A
∈
C
n
×
n
\forall A\in \mathbb C^{n \times n}
∀A∈Cn×n ,若存在酉矩阵
U
{U}
U 使得
T
=
U
−
1
A
U
=
U
H
A
U
=
[
λ
1
t
12
⋯
t
1
n
0
λ
2
⋱
⋮
0
0
⋱
t
(
n
−
1
)
n
0
0
0
λ
n
]
T=U^{-1}AU=U^ \mathrm HAU= \begin{bmatrix} \lambda_1 & t_{12} & \cdots & t_{1n} \\ 0 & \lambda_2 & \ddots & \vdots \\ 0 & 0 & \ddots & t_{(n-1)n}\\ 0 & 0 & 0 & \lambda_n \end{bmatrix}
T=U−1AU=UHAU=
λ1000t12λ200⋯⋱⋱0t1n⋮t(n−1)nλn
其中
λ
1
,
λ
2
,
⋯
,
λ
n
\lambda_1, \lambda_2,\cdots,\lambda_n
λ1,λ2,⋯,λn 是
A
{A}
A 的特征值,即任意
A
{A}
A 都可酉相似与一个上三角矩阵
T
{T}
T 。
4. 正规矩阵
设
A
∈
C
n
×
n
{A\in \mathbb C^{n \times n}}
A∈Cn×n 满足
A
H
A
=
A
A
H
A^ \mathrm HA=AA^ \mathrm H
AHA=AAH
则称A为正规矩阵。正规矩阵有以下类型:
- 实对称矩阵 A ∈ R n × n , A T = A {A\in \mathbb R^{n \times n}, A^ \mathrm T =A} A∈Rn×n,AT=A
- 实反对称矩阵 A ∈ R n × n , A T = − A {A\in \mathbb R^{n \times n}, A^ \mathrm T =-A} A∈Rn×n,AT=−A
- 实正交矩阵 A ∈ R n × n , A T A = A A T = I {A\in \mathbb R^{n \times n}, A^ \mathrm T A=AA^ \mathrm T=I} A∈Rn×n,ATA=AAT=I
- Hermit矩阵 A ∈ C n × n , A H = A {A\in \mathbb C^{n \times n}, A^ \mathrm H=A} A∈Cn×n,AH=A
- 反Hermit矩阵 A ∈ C n × n , A H = − A {A\in \mathbb C^{n \times n}, A^ \mathrm H=-A} A∈Cn×n,AH=−A
- 酉矩阵 A ∈ C n × n , A H A = A A H = I {A\in \mathbb C^{n \times n}, A^ \mathrm H A=AA^ \mathrm H}=I A∈Cn×n,AHA=AAH=I
正规矩阵不一定是以上六类矩阵。
5. 酉相似对角化
设
A
∈
C
n
×
n
{A\in \mathbb C^{n \times n}}
A∈Cn×n ,则A可酉相似对角化的条件是
A
H
A
=
A
A
H
A^ \mathrm HA=AA^ \mathrm H
AHA=AAH
即A为正规矩阵。方法如下:
- 求出A的全部特征值,和相应的重数
- 对这些特征值求特征向量
- 对特征向量做schmidt正交化
6. Hermit矩阵,反Hermit矩阵及酉矩阵的特性
设 A ∈ C n × n {A\in \mathbb C^{n \times n}} A∈Cn×n ,则
- A {A} A 是Hermit矩阵 ⟺ \iff ⟺ A {A} A 的特征值全是实数
- A {A} A 是反Hermit矩阵 ⟺ \iff ⟺ A {A} A 的特征值是 0 {0} 0 或纯虚数
- A {A} A 是酉矩阵 ⟺ \iff ⟺ A {A} A 的特征值的模是 1 {1} 1
- λ {\lambda} λ 是 A {A} A 的特征值, x {x} x 是对应 λ { \lambda} λ 的特征向量,则 λ ˉ {\bar \lambda} λˉ 是 A H {A^ \mathrm H} AH 的特征值,对应 λ ˉ {\bar \lambda} λˉ 的特征向量仍为 x {x} x
7. Hermit矩阵的正定性
设
A
∈
C
n
×
n
{A\in \mathbb C^{n \times n}}
A∈Cn×n 是一个Hermit矩阵,如果
x
H
A
x
>
0
,
∀
x
∈
C
n
,
x
≠
0
x^ \mathrm HAx>0, \forall x\in \mathbb C^{n},x\ne 0
xHAx>0,∀x∈Cn,x=0
则称
A
{A}
A 是一个正定的Hermit矩阵。
如果
x
H
A
x
≥
0
,
∀
x
∈
C
n
,
x
≠
0
x^ \mathrm HAx\ge0, \forall x\in \mathbb C^{n},x\ne 0
xHAx≥0,∀x∈Cn,x=0
则称
A
{A}
A 是一个半正定的Hermit矩阵。
设 A ∈ C n × n {A\in \mathbb C^{n \times n}} A∈Cn×n 是一个Hermit矩阵,则下述条件等价
- A {A} A 是正定的Hermit矩阵
- A {A} A 的特征值全为正数
- 存在可逆矩阵 P {P} P 使得 A = P H P {A=P^ \mathrm HP} A=PHP
- A {A} A 的顺序主子式全为正数
设 A ∈ C n × n {A\in \mathbb C^{n \times n}} A∈Cn×n 是一个Hermit矩阵,则下述条件等价
- A {A} A 是半正定的Hermit矩阵
- A {A} A 的特征值全为非负数
- 存在可逆矩阵 P {P} P 使得 A = P H P {A=P^ \mathrm HP} A=PHP
设 A ∈ C m × n {A\in \mathbb C^{m \times n}} A∈Cm×n ,则
- A H A {A^ \mathrm HA} AHA 和 A A H {AA^ \mathrm H} AAH 的特征值全为非负实数
- A H A {A^ \mathrm HA} AHA 和 A A H {AA^ \mathrm H} AAH 的非零特征值相同
- rank ( A H A ) = rank ( A A H ) = rank ( A ) {\text{rank}( A^ \mathrm HA)= \text{rank}( AA^ \mathrm H)= \text{rank}(A)} rank(AHA)=rank(AAH)=rank(A)